Сравнение возможностей логистической регрессии и искусственных нейронных сетей в прогнозировании результатов исследования на малой выборке

Abstract

В настоящее время все чаще предпринимаются попытки сравнивать различные количественные модели для решения конкретных задач классификации данных. При этом в литературе отсутствуют данные о сравнении математических моделей в условиях малых выборок и сложных клинических ситуаций. Цель работы. Сравнить производительность моделей искусственных нейронных сетей и логистической регрессии в прогнозировании результатов исследования в условиях малой выборки. Материалы и методы. В симуляцию включена группа больных из 50 человек, которым была выполнена пластическая операция на митральном клапане. Для симуляции выбраны пять независимых переменных: пол, возраст, индекс массы тела, методика аппроксимации папиллярных мышц. Зависимая переменная – регургитация на митральном клапане в отдаленном периоде. Результаты. По данным логистической регрессии возник феномен разделения данных и получена огромная среднеквадратичная ошибка. По результатам анализа ROC-кривой выявлена зависимость между предиктором возраст и регургитацией на митральном клапане, площадь под кривой говорит о среднем уровне взаимосвязи. Результаты анализа предикторов с помощью искусственных нейронных сетей указывают на то, что основной вклад в качестве предиктора отсутствия регургитации оказывает процедура аппроксимации папиллярных мышц. С помощью теста De-Long проведено сравнение ROC-кривых регрессии и нейронных сетей по фактору возраст: z = 10.71, p <0,0001, выявлены статистически значимые различия, что говорит о преимуществе ИСН в выявлении предикторов. Заключение. При малой выборке с небольшим количеством событий искусственные нейронные сети имеют преимущество над другими методиками при определении предикторов влияния на зависимую переменную.